PRJNA899373:中晚期产前人皮层发育单核转录组图谱
该数据集为PRJNA899373,来源于ncbi.nlm.nih.gov,提供中晚期产前人皮层发育的单核转录组图谱。数据覆盖15例产前非病理性死后样本的增殖性生发基质与分层皮层板,以及3例成人对照,可高时间分辨率捕捉产前胶质细胞发生过程

基本信息
资源简介
PRJNA899373:中晚期产前人皮层发育单核转录组图谱
该数据集为PRJNA899373,来源于ncbi.nlm.nih.gov,提供中晚期产前人皮层发育的单核转录组图谱。数据覆盖15例产前非病理性死后样本的增殖性生发基质与分层皮层板,以及3例成人对照,可高时间分辨率捕捉产前胶质细胞发生过程。计算分析可解析第三孕期胶质祖细胞的更高复杂度,包括瞬态胶质中间祖细胞和新生星形胶质细胞群体,并利用谱系轨迹与RNA速度推断刻画特定细胞特征,可作为进一步研究的资源(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):人类新皮层的晚期产前发育涵盖胶质细胞发生和皮层扩张的关键时期。然而,缺乏系统性的单细胞分析来解析第三孕期的细胞多样性和胶质谱系。在此,我们呈现一个全面的单核RNA测序图谱,来源于15例产前非病理性死后样本的增殖性生发基质和分层皮层板,以及3例成人对照。该数据集以高时间分辨率捕捉产前胶质细胞发生,并作为资源提供以供进一步研究。我们的计算分析解析了胶质祖细胞的更高复杂度,包括人类妊娠第三孕期的瞬态胶质中间祖细胞(gIPC)和新生星形胶质细胞群体。我们使用谱系轨迹和RNA速度推断来进一步刻画特定的
【主题与分类】
主题标签:Transcriptome or Gene expression。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA899373
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://ncbi.nlm.nih.gov/bioproject/PRJNA899373
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
人类新皮质在产前晚期发育过程中,经历了一个关键的胶质细胞生成与皮质扩张时期。然而,针对妊娠晚期细胞多样性及胶质细胞谱系的系统性单细胞分析尚属空白。为此,我们基于15例产前非病理性死后样本及3例成人对照的增殖性生发基质与分层皮质板,构建了一个全面的单核RNA测序图谱。此数据集以高时间分辨率捕捉了产前胶质细胞生成过程,并作为资源供进一步研究之用。通过计算分析,我们揭示了胶质祖细胞的更大复杂性,包括人类妊娠晚期 transient 胶质中间祖细胞(gIPC)和新生星形胶质细胞群体的存在。我们利用谱系轨迹和RNA速度推断,进一步刻画了在少突胶质细胞(gIPC-O)和星形胶质细胞(gIPC-A)谱系分化之前的特定gIPC亚群。
我们推断出与每个发育状态相关的独特转录驱动因子和生物学通路,验证了gIPC-A和gIPC-O在人类生发基质和皮层板原位中的存在,并证明gIPC状态在成人和儿童胶质母细胞瘤中得以重现。总体设计:单核转录组学(snRNA-seq)数据来自15个妊娠中晚期的产前非病理性人类死后样本的新鲜冷冻、大体解剖的生发基质和皮层板,以及来自3个成人非病理性人类死后对照的新鲜冷冻、大体解剖的基底节和大脑新皮层。生发基质在尾状丘脑沟水平进行大体解剖,皮层板取自相邻的额顶叶新皮层;两次解剖均大致包含等量的下方白质。对于产前组织,为在产前大脑中一致地解剖后部生发区,o
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




